Mit B0

🚀 事前学習済みSegFormer（b0サイズ）エンコーダ

SegFormerエンコーダは、Imagenet - 1k上で微調整されています。これはXieらによって論文SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformersで提案され、初めてこのリポジトリで公開されました。

免責事項：SegFormerを公開したチームはこのモデルのモデルカードを作成しておらず、このモデルカードはHugging Faceチームによって作成されています。

🚀 クイックスタート

このモデルはSegFormerの事前学習済みエンコーダで、セマンティックセグメンテーションの微調整タスクに使用できます。あなたが興味を持っているタスクに対して微調整されたバージョンをモデルセンターで見つけることができます。

✨ 主な機能

SegFormerは階層型Transformerエンコーダと軽量な全MLPデコーダヘッドで構成されており、ADE20KやCityscapesなどのセマンティックセグメンテーションベンチマークで優れた結果を達成しています。階層型TransformerはまずImageNet - 1k上で事前学習され、その後デコーダヘッドが追加され、下流のデータセット上で全体的に微調整されます。このリポジトリには、微調整目的で使用できる事前学習済みの階層型Transformerのみが含まれています。

💻 使用例

基本的な使用法

以下は、このモデルを使用してCOCO 2017データセットの画像を1000のImageNetクラスのいずれかに分類する方法の例です：

from transformers import SegformerImageProcessor, SegformerForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = SegformerImageProcessor.from_pretrained("nvidia/mit-b0")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b0")

inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

より多くのコード例はドキュメントを参照してください。

📚 ドキュメント

想定される用途と制限

このモデルはセマンティックセグメンテーションの微調整に使用できます。あなたが興味を持っているタスクに対して微調整されたバージョンをモデルセンターで見つけることができます。

🔧 技術詳細

SegFormerは階層型Transformerエンコーダと軽量な全MLPデコーダヘッドで構成されています。階層型TransformerはまずImageNet - 1k上で事前学習され、その後デコーダヘッドが追加され、下流のデータセット上で全体的に微調整されます。このリポジトリには、微調整目的で使用できる事前学習済みの階層型Transformerのみが含まれています。

📄 ライセンス

このモデルのライセンス情報はこちらで確認できます。

BibTeX引用情報

@article{DBLP:journals/corr/abs-2105-15203,
  author    = {Enze Xie and
               Wenhai Wang and
               Zhiding Yu and
               Anima Anandkumar and
               Jose M. Alvarez and
               Ping Luo},
  title     = {SegFormer: Simple and Efficient Design for Semantic Segmentation with
               Transformers},
  journal   = {CoRR},
  volume    = {abs/2105.15203},
  year      = {2021},
  url       = {https://arxiv.org/abs/2105.15203},
  eprinttype = {arXiv},
  eprint    = {2105.15203},
  timestamp = {Wed, 02 Jun 2021 11:46:42 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

情報テーブル